Glossareintrag
Wir denken. KI tippt mit.
Few-Shot-Prompting bei KI/AI (sinngemäß „Anweisung mit wenigen Beispielen") ist eine Prompt-Technik, bei der Sie einer KI wie ChatGPT, Claude oder Gemini zusätzlich zur Aufgabe zwei bis fünf Musterbeispiele mitgeben, wie Eingabe und gewünschtes Ergebnis aussehen sollen. Das Sprachmodell erkennt das Muster in den Beispielen und wendet es auf die neue Aufgabe an, ohne dass es dafür neu trainiert oder verändert wird.
Der Name kommt von der Anzahl der mitgelieferten Beispiele, englisch „shots". Ohne Beispiel spricht man von Zero-Shot-Prompting, mit genau einem Beispiel von One-Shot-Prompting, mit mehreren von Few-Shot-Prompting. Die Beispiele stehen dabei direkt im Prompt, also im normalen Anweisungstext an die KI.
Few-Shot-Prompting funktioniert, weil große Sprachmodelle Muster aus dem Text übernehmen können, den sie gerade vor sich haben. Fachleute nennen diesen Mechanismus In-Context-Learning, also Lernen im Kontext. Das Modell selbst bleibt dabei unverändert. Die Beispiele wirken nur für diese eine Anfrage, belegen Platz im Kontextfenster der KI und werden wie der restliche Prompt in Tokens abgerechnet.
Bekannt wurde der Begriff 2020 durch die OpenAI-Forschungsarbeit „Language Models are Few-Shot Learners", die das Sprachmodell GPT-3 vorstellte. Die Forscher zeigten, dass das Modell viele Aufgaben allein durch Beispiele im Prompt lösen konnte, wofür vorher ein aufwendiges Fine-Tuning mit Tausenden von Beispielen nötig gewesen war. Im Wissenstest TriviaQA stieg die Trefferquote von 64,3 Prozent ohne Beispiel über 68,0 Prozent mit einem Beispiel auf 71,2 Prozent mit mehreren Beispielen.
Die großen KI-Anbieter empfehlen die Technik bis heute, setzen die Akzente aber unterschiedlich. Anthropic bezeichnet Beispiele als eines der zuverlässigsten Mittel, um Format, Ton und Struktur der Antworten zu steuern, und rät in den Prompting-Empfehlungen für Claude zu drei bis fünf Stück. Google empfiehlt im offiziellen Prompting-Leitfaden für Gemini, grundsätzlich Beispiele mitzugeben, warnt aber vor zu vielen, weil sich die KI sonst zu eng an ihnen festklammert. OpenAI weist darauf hin, dass moderne Reasoning-Modelle, die vor der Antwort intern nachdenken, oft auch ohne Beispiele gute Ergebnisse liefern. In den OpenAI-Empfehlungen für Reasoning-Modelle lautet der Rat, es zuerst ohne Beispiele zu versuchen.
Schlechte Beispiele verschlechtern das Ergebnis, weil die KI auch Fehler, Stilmacken und einseitige Muster übernimmt. Zeigen Ihre Beispiele etwa nur positive Kundenbewertungen, stuft das Modell auch kritische Stimmen eher als positiv ein. Sogar die Reihenfolge spielt eine Rolle, das zuletzt gezeigte Beispiel wirkt am stärksten nach. Eine Studie zu Verzerrungen durch Beispiel-Auswahl wies 2021 nach, dass allein solche Effekte die Trefferquote um bis zu 30 Prozentpunkte verändern können. Gute Beispiele sind deshalb vielfältig, decken auch Grenzfälle ab und folgen alle exakt demselben Aufbau.
In Betrieben dient Few-Shot-Prompting vor allem dazu, KI-Texte im eigenen Firmenton zu bekommen statt im austauschbaren KI-Einheitsstil. Sie müssen Ihren Firmenstil nicht mühsam beschreiben, Sie zeigen ihn einfach anhand alter Texte. Bewährte Einsatzfälle:
Für den Einstieg schreiben Sie zuerst die Aufgabe, zum Beispiel „Antworte auf die Google-Bewertung am Ende im Stil unserer bisherigen Antworten". Fügen Sie danach zwei bis drei alte Bewertungen mit Ihren damaligen Antworten ein, jeweils klar beschriftet mit „Beispiel-Bewertung 1" und „Beispiel-Antwort 1". Ganz am Ende folgt die neue Bewertung, um die es geht. Diese Reihenfolge, erst Aufgabe, dann Beispiele, dann der eigentliche Fall, funktioniert in ChatGPT, Claude und Gemini gleichermaßen.
Stellen Sie die Aufgabe zuerst ganz ohne Beispiele. Die aktuellen Modelle von Anthropic, OpenAI und Google lösen viele Standardaufgaben inzwischen auch so ordentlich. Erst wenn Ton oder Format nicht passen, ergänzen Sie zwei bis drei eigene Beispiele.
Wer dieselben Beispiele ständig braucht, muss sie nicht bei jedem Chat neu einfügen. In Claude-Projekten, bei den Custom GPTs von ChatGPT oder den Gems von Gemini lassen sich Musterbeispiele einmal dauerhaft hinterlegen und wirken dann automatisch in jedem neuen Gespräch.
Bei Rechen- und Logikaufgaben bringen zusätzliche Beispiele dagegen kaum etwas. Und schlechte Beispiele schaden aktiv, denn die KI kopiert Rechtschreibfehler, Floskeln und unglückliche Formulierungen genauso treu wie Ihre Stärken. Nehmen Sie deshalb nur Texte als Muster, die Sie heute genau so wieder verschicken würden.
